机械工程学报

作者：肖钊, 邓杰文, 刘晓明, 段书用, 许守亮

单位：1. 湖南科技大学机电工程学院 湘潭 411201;2. 省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津 300401;3. 华电郑州机械设计研究院有限公司 郑州 450046

关键词：风电机组,SCADA数据,TICC算法,时间序列聚类；

基金：国家自然科学基金(51905165,51875199)、河北省自然科学基金创新群体项目(E2020202142)和国家重点研发计划“国家质量基础设施体系”专项(2022YFF0608702)。

针对大型风力发电机组高维SCADA时序数据的工况识别问题，结合风电机组运行规律和TICC算法，提出一种自动分割聚类方法。从高维的SCADA数据中选取风速、转速和桨距角等少量特定参数作为初始分割聚类对象，分析特定参数的运行规律，确定风电机组理论的运行工况。选取一段特定参数的历史数据，利用TICC算法进行离线聚类分割，获得聚类的最优特征参数。将最优特征参数作为TICC算法的输入，对新的特定参数时间序列数据进行分类。最后根据特定参数时间序列的聚类结果，对未进行分割的SCADA时序数据进行聚类处理。选取某2.5 MW双馈风电机组的SCADA时间序列数据对方法进行验证，同时将所提出的方法与FCM算法、GMM算法、K-Means算法进行对比研究。实例验证和对比研究表明，所提的聚类方法充分融合理论知识和TICC算法的优点，可高效处理高维SCADA聚类分割问题，同时保证聚类结果与理论分析结果一致性。

来源：2022年第23期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第23期